【机器学习】机器学习上机作业聚类算法

发布时间:2024年01月12日

一、实验内容

自编代码实现C均值聚类和FCM聚类,在“IRIS数据集(鸢尾花数据集)”上进行实验,验证所编代码是否正确,并计算准确率。
Iris鸢尾花数|据集:包含花萼长度、花萼宽度、花瓣长度、花瓣宽度四个属性,用于预测鸢尾花种类,标签0、1、2分别表示山鸢尾、变色鸢尾、维吉尼亚鸢尾。

二、实验设计

若实验内容皆为指定内容,则此部分则可省略;若实验内容包括自主设计模型等内容,则需要在此部分写明设计思路、流程,并画出模型图并使用相应的文字进行描述。

三、实验环境及实验数据集

简单介绍实验环境和涉及的数据集。

数据集:

下载地址:https://archive.ics.uci.edu/ml/datasets/Iris和scklearn自带的Iris数据集
数据集共有150条数据,分为三类,每类50条数据
每一条数据都有四个属性:花萼长度,花萼宽度,花瓣长度,花瓣宽度
标签数据共有三种,分别是Setosa,Versicolour,Virginica,可用1,2,3代替。一般使用前面的四种属性数据来预测样本属于哪种鸢尾花。可以与Python和MATLAB自带函数计算的结果进行对比。

四、实验过程

实验过程包括整个实验流程说明和在编写代码时一些需要注意的事项,可附代码片段进行说明;
注:为了代码片段尽量的美观、统一,建议附代码片段时只附加关键的片段,不要全部粘贴,并尽量使用下面提供的网站进行代码高亮等格式转换后再粘贴。
https://highlightcod

文章来源:https://blog.csdn.net/yuzhangfeng/article/details/135555161
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。